Inside Moloco's CARA: the AI that compounds

摘要

Moloco的CARA（Compound Ad Recommendation Architecture）是其专为开放互联网效果广告打造的复合式AI系统。与Google、Meta等围墙花园不同，开放互联网缺乏统一的登录身份，信号碎片化严重，且每笔交易必须在几十毫秒内完成决策。CARA由Campaign Automation、Supply、Ad Recommendations、Bidding、Creative和Signals六大技术域构成，各域相互增强，例如更精准的推荐可优化出价，更多获胜流量又反哺数据，形成复合增长循环。

<br>CARA的核心挑战在于身份碎片化、多路径竞拍自竞、信号延迟及部分交易缺乏详细归因（如SKAN）。为此，系统采用序列模型、多任务学习和深度交叉网络，从跨应用事件历史中构建用户稠密表示，以应对稀疏信号。同时，知识蒸馏将离线大模型的能力压缩至满足实时延迟的轻量模型，确保训练与推理的一致性。

<br>持续学习与实验是CARA迭代的引擎。其训练平台每天处理超过60亿事件（曝光、点击、安装、应用内行为），模型每两小时可重训并部署。在线实验系统支持数百个并发实验，精准测量小数级别的效果变化。

2025年，Moloco通过数千次实验验证了65项模型改进，并全面上线，最终为广告主带来CPI下降14%、CPA下降17%、ROAS提升27%的显著成效。<br>生成式AI在CARA中发挥辅助作用，用于创意素材规模化生成、自然语言与视频理解，丰富信号输入，但前沿模型尚无法替代CARA在精确价值预测和极高频实时决策中的能力。Moloco正以代理（Agent）技术优化投放策略与客户交互，同时继续探索新的优化空间，持续为广告主创造增量价值。